Актуальні теми
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
Yaron (Ron) Minsky
Іноді програміст OCaml. Ведучий @signalsthreads.
@yminsky@discuss.systems
@yminsky.bsky.social
https://t.co/kiUGRvWOO2
Чудово, що вони провели це дослідження. Він демонструє речі, які кожен, хто використовує моделі для серйозної інженерної роботи, міг би побачити, але це непомітно у публічних даних.
11 бер., 00:34
Як бенчмарки відповідають реальним можливостям? Для вивчення цього ми найняли 4 підтримувачів репозиторій, які використовуються в SWE-bench Verified, для перегляду коду агента.
З PR агентів, які пройшли грейдер SWE-bench, технічні працівники об'єднувалися ~половиною. Це враховує шум при прийнятті рішень підтримувача.
116
Найкращі
Рейтинг
Вибране